python数据分析pandas包入门学习（一）pandas数据结构介绍

本文参考《利用python进行数据分析》的第五章 pandas入门

1 pandas数据结构介绍

pandas有两种主要的数据结构：series和DataFrame

Series：一种类似于一维数组的对象，由一组数据（各种Numpy数据类型）以及一组与之对应的数据标签（索引）组成。

第一列为索引，从0开始，第二列为数据值。

可以通过values属性获取数组的表示形式，通过index属性获取索引对象：

索引可以自己定义：

可以通过索引，选取Series中单个或一组值：

进行numpy数组运算，都会保留索引和值之间的链接：

可以将Series看成是一个定长的有序字典， 它是索引值到数据值的一个映射，可以用在许多原本需要字典参数的函数中：

如果数据被存放在Python字典中，可以直接通过这个字典来创建Series：

如果只传入一个字典（上图），则Series中的索引就是原字典的键；如果传入index（下图）,与索引匹配的值会被找出来并放到相应的位置，没有匹配的，则为NaN（缺失值）。

pandas的isnull和notnull可以检测确实数据，也可使用b.isnull(), b.notnull()，效果一样：

Series的最重要的一个功能是：在算术运算中汇自动对齐不同索引的数据

Series对象本身及索引都有一个name属性：

Series的索引可以通过赋值的方式就地修改（会把b.index.name删掉）：

DataFrame：

DataFrame是一个表格型的数据结构，它含有一组有序的列：每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引，也有列索引，可以被看做由Series组成的字典（共用同一个索引）。

构建DataFrame最常用的方法是直接传入一个由等长列表或Numpy数组组成的字典：

DataFrame会自动加上索引，且全部列会被有序排列；如果需要列按照指定顺序排列，需指定列序号：

跟Series一样，如果传入的列在数据中找不到，就会产生NaN值：

将DataFrame的列获取为一个Series，返回的Series拥有原DataFrame相同的索引，且其name属性也被相应的设置好了；行也可以通过相应的位置或名称的方式获取，比如用索引字段ix：

列可以通过赋值的方式进行修改，可以赋值一个标量或者一组值：

将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度匹配。如果赋值是一个Series，就会精确匹配DataFrame的索引，所有的空位都将被填上缺失值：

为不存在的列赋值会创建出一个新列；关键字del用于删除列：

警告：通过索引方式返回的列是相应数据的视图，而不是副本，因此对返回的Series所做的任何就地修改都会反应到源DadaFrame上。

另一种常见的数据形式是嵌套字典，将他传入DataFrame，被解释为外层字典的键作为列，内层的键作为索引：

转置操作：

内层字典的键会被合并、排序以形成最终的索引。如果显式指定索引，则不会这样：

设置索引和列的名字：

索引对象

obj.index就是一个索引对象，不可修改。